Простыми словами, что такое алгоритм машинного обучения? — Это компьютерная программа. И вы знаете, что каждой программе нужны входные данные, и она обеспечивает желаемый результат.
До сих пор мы знали, что в традиционном программировании мы пишем логику в коде, который дает ответ! Но в машинном обучении мы либо передаем известные ответы, либо иногда даже не передаем ответы, и мы ожидаем, что модель ML, которая состоит из алгоритма, которому мы передаем данные, и, в свою очередь, модель ML изучает связь между выходными (Y) и входными данными ( X ), и после этого модель ML прогнозирует вывод невидимых данных.
Когда мы рассматриваем машинное обучение, модель ML использует в основном 2 стиля: обучение с учителем и обучение без учителя.
В контролируемом обучении мы передаем ответы для обучения модели.
В неконтролируемом обучении — мы не передаем ответы модели.
Итак, то, что мы называем вводом, теперь называется функциями, а вывод — метками.
Просто будьте уверены, что все алгоритмы построены на основе математических и статистических концепций. Итак, чтобы понять алгоритмы — как это работает — вы должны получить соответствующие знания по математике и статистике.
Это не означает, что вы должны полностью изучить математику и статистику, прежде чем приступить к машинному обучению.
В обучении с учителем — мы используем метод регрессии для прогнозирования выходных значений и метод классификации для классификации записей по различным известным классам.
В неконтролируемом обучении мы используем технику кластеризации для создания кластеров похожих объектов, классы которых неизвестны.
В следующих статьях мы рассмотрим линейную регрессию (один из самых простых алгоритмов, который относится к стилю обучения с учителем).
